Uyarlanabilir Randomize Kontrollü Çalışma — Uyarlanabilir RKÇ
- Ortaya koyan
- Donald Berry and others; foundational adaptive trial methods developed through 1980s–2000s biostatistics literature
- Yıl
- 1980s–2000s (formalized; earlier sequential testing roots from Wald, 1947)
- Tür
- Experimental design — adaptive variant of RCT
- Aile
- Experimental design
Bu metin makine çevirisidir ve henüz incelenmedi. Asıl metni İngilizce oku
Ne işe yarar?
Uyarlanabilir randomize kontrollü çalışma (uyarlanabilir RKÇ), devam ederken denemede değişikliklere izin veren (örneğin, tahsis oranlarını değiştirmek, düşük performans gösteren kolları bırakmak veya etkinlik veya faydasızlık nedeniyle erken durdurmak gibi) önceden belirlenmiş kuralların bulunduğu deneysel bir tasarımdır.
Bu değişiklikler, biriken ara verilere dayanır. Bu adaptasyonlar, deneme başlamadan önce planlanır ve Tip I hata kontrolünü ve geçerliliği korumak için istatistiksel kurallarla yönetilir.
Yöntemin mantığı
Standart bir RKÇ'de, önceki katılımcıların nasıl yanıt verdiğine bakılmaksızın, her katılımcının her tedaviyi alma olasılığı sabittir. Uyarlanabilir bir RKÇ daha çok bir öğrenme sistemi gibi çalışır: veriler biriktikçe, deneme önceden üzerinde anlaşmaya varılmış kurallara göre belirli tasarım özelliklerini günceller. Örneğin, en umut vadeden kola daha fazla katılımcı yönlendirebilir veya bir tedavi açıkça üstün olduğunda denemeyi erken durdurabilir. Önemli olan, olası her adaptasyonun ilk katılımcı kaydedilmeden önce belirtilmesidir, bu da sonradan manipülasyonu önler.
Tarih
Uyarlanabilir tasarımların temelini oluşturan sıralı test ilkeleri, Abraham Wald'ın sıralı olasılık oranı testine (1947) dayanmaktadır. 'Uyarlanabilir tasarım' terimi, 1980'ler ve 1990'larda Donald Berry ve meslektaşlarının Bayesci uyarlanabilir yöntemler üzerine yaptığı çalışmalarla klinik denemelerde önem kazanmıştır. Akciğer kanserindeki dönüm noktası niteliğindeki BATTLE denemesi (2010) ve I-SPY 2 meme kanseri denemesi, uyarlanabilir platform tasarımlarının uygulanabilirliğini göstermiştir. FDA'nın 2019 tarihli İlaç ve Biyolojik Ürünlerin Klinik Denemeleri için Uyarlanabilir Tasarımlar kılavuzu da dahil olmak üzere önemli düzenleyici kılavuzlar, o zamandan beri uyarlanabilir RKÇ'ler için gereklilikleri resmileştirmiştir.
Ne zaman kullanılır?
Daha az katılımcıyı daha düşük tedavilere atamak etik veya pratik olarak önemli olduğunda, optimal örneklem büyüklüğü denemeden önce belirsiz olduğunda veya verimli bir şekilde değerlendirilecek birden fazla aday kol olduğunda uyarlanabilir bir RKÇ kullanın. Özellikle nadir hastalık araştırmalarında, erken faz doz bulmada ve birden fazla müdahaleyi test eden platform denemelerinde değerlidir. Sonuç verileri kaydolma hızına göre uzun süre geciktiğinde (ara sonuçların adaptasyonları bilgilendirmek için zamanında mevcut olmaması), gerçek zamanlı veri izleme altyapısı mevcut olmadığında, yargı alanındaki düzenleyici gereklilikler henüz uyarlanabilir tasarımları kabul etmediğinde veya tüm karar kurallarını önceden belirtmenin karmaşıklığı yeterince kaynaklandırılamadığında uyarlanabilir bir RKÇ kullanmayın.
Sınırlar ve dikkat edilmesi gerekenler
- Protokol geliştirme, kapsamlı ön simülasyon ve istatistiksel uzmanlık gerektirir, bu da deneme öncesi maliyetleri ve süreyi önemli ölçüde artırır.
- Operasyonel karmaşıklık, gerçek zamanlı veri sistemleri, işleyen bir DSMB ve hızlı sonuç tespiti gerektirir.
- Sonuç verileri kaydolmayı önemli ölçüde geride bırakırsa, yanıta duyarlı randomizasyon pratik fayda sağlamaz.
- Düzenleyici kabul, yargı alanlarına göre değişir; bazı kurumlar ek dokümantasyon veya doğrulama gerektirir.
Kaynak metnin koşulları, bağımsız bilimsel inceleme veya analiz motoru doğrulaması yerine geçmez.
Güçlü yönleri
- Daha iyi performans gösteren tedavilere daha fazla katılımcı tahsis edebilir, denemenin etik profilini iyileştirir.
- Etkinlik veya faydasızlık nedeniyle erken durdurmaya izin verir, etkisiz tedavilere maruz kalmayı azaltır ve kaynaklardan tasarruf sağlar.
- Örneklem büyüklüğü yeniden tahmini, denemeyi geçersiz kılmadan başlangıçtaki güç yanlış hesaplamalarını düzeltebilir.
- Çok kollu uyarlanabilir tasarımlar, sıralı ayrı denemelerden daha düşük toplam maliyetle birden fazla tedaviyi eş zamanlı olarak değerlendirir.
- Önceden belirlenmiş adaptasyon kuralları, denemeyi şeffaf ve tekrarlanabilir kılar.
Uygulama alanları
- Ortak bir kontrol koluna karşı birden fazla hedefe yönelik tedaviyi eş zamanlı olarak değerlendiren onkoloji platform denemeleri.
- Optimal dozu verimli bir şekilde belirlemek için yanıta duyarlı randomizasyon kullanan Faz II doz bulma denemeleri.
- Küçük hasta popülasyonları nedeniyle sabit örneklemli RKÇ'lerin pratik olmadığı nadir hastalık çalışmaları.
- Koruma sağlandığında erken durdurma için ara etkinlik izlemesi gerektiren aşı etkinlik denemeleri.
- Gelişen kontrol koşullarına karşı birden fazla yeniden konumlandırılmış ajanı test eden pandemi yanıt denemeleri (örneğin, RECOVERY, SOLIDARITY denemeleri).
Nasıl çalışır?
Nasıl çalışır?
Kaydolma başlamadan önce, araştırmacılar deneme protokolünde tüm olası adaptasyonları belirtirler; bunlar arasında ara analizlerin zamanlaması, her adaptasyonu tetikleyen istatistiksel karar kuralları (örneğin, yanıta duyarlı randomizasyon, örneklem büyüklüğü yeniden tahmini, kol bırakma) ve genel Tip I hata oranını kontrol etmek için kullanılan yöntemler bulunur. Gerçekçi senaryolar altında işletim özelliklerini göstermek için genellikle bir simülasyon çalışması gereklidir.
Katılımcılar, başlangıçtaki tahsis şemasına göre tedavi kollarına randomize edilir. Yanıta duyarlı bir tasarımda, randomizasyon olasılıkları önceden belirlenmiş ara noktalarda güncellenir; sabit tahsisli uyarlanabilir bir tasarımda randomizasyon oranları sabit kalır ancak diğer deneme özellikleri değişebilir. Tüm randomizasyon, körleme stratejisinin gerektirdiği ölçüde katılımcılardan ve değerlendiricilerden gizli kalır.
Her önceden belirlenmiş ara analizde, bir Veri Güvenliği ve İzleme Kurulu (DSMB) veya istatistikçi, biriken sonuç verilerini değerlendirir. İzlenen istatistikler — etkinlik, güvenlik, faydasızlık — bir adaptasyonun gerekli olup olmadığını belirlemek için önceden belirlenmiş karar sınırlarıyla karşılaştırılır.
Bir ara analiz tetikleyici koşulları karşılıyorsa, belirtilen adaptasyon uygulanır: tahsis oranları güncellenebilir, bir kol bırakılabilir, gözlemlenen bir rahatsız edici parametre tahminine dayanarak örneklem büyüklüğü yukarı doğru revize edilebilir veya deneme erken durdurulabilir. Herhangi bir adaptasyon, deneme bütünlüğünü korumak için protokolde önceden belirtilen kurallar dahilinde kesinlikle gerçekleştirilir.
Deneme tamamlandığında, tüm ara adaptasyonları hesaba katan yöntemler kullanılarak nihai bir analiz yapılır — tipik olarak kapalı bir test prosedürü, grup-sıralı sınırlar (örneğin, O'Brien–Fleming) veya Bayesci sonsal çıkarım. Ara bakışları hesaba katmadan standart testlerin naif uygulaması Tip I hatayı şişirir ve kabul edilemezdir.
Sık yapılan hatalar
- Sonradan yapılan adaptasyonlar — protokolde önceden belirtilmeyen herhangi bir değişiklik, Tip I hata kontrolünü bozar ve çıkarımı geçersiz kılar. Her adaptasyon, deneme başlamadan önce kilitlenmelidir.
- Yetersiz simülasyon — denemenin işletim özelliklerini bir dizi makul senaryo altında karakterize edememek, kötü kalibre edilmiş karar sınırlarına yol açar.
- Çoklu bakış enflasyonunu göz ardı etmek — ara verileri standart sabit örneklem testleriyle, tekrarlanan testler için düzeltme yapmadan analiz etmek, yanlış pozitif oranlarını önemli ölçüde şişirir.
- Yavaş sonuç tespiti — sonuçların değerlendirilmesinin aylar sürdüğü denemelerde, ara veriler mevcut olmadan önce deneme aşırı kaydolmuş olabilir, bu da uyarlanabilir avantajı ortadan kaldırır.
- Planlanmamış değişikliklerle karıştırma — uyarlanabilir RKÇ kesinlikle önceden belirtilmiş adaptasyonları ifade eder; planlanmamış protokol değişiklikleri protokol sapmalarıdır, adaptasyonlar değil.
Sık sorulan sorular
Uyarlanabilir bir RKÇ randomizasyonu veya körlemeyi tehlikeye atar mı?
Hayır — randomizasyon ve körleme baştan sona korunur. Adaptasyon, hangi randomizasyon olasılıklarının kullanıldığını veya hangi kolların aktif kaldığını değiştirir, ancak katılımcılar ve sonuç değerlendiricileri, uygun olduğunda tedavi tahsisine kör kalır. Önemli olan, karar kurallarının önceden belirtilmiş olması ve katılımcılarla etkileşime giren araştırmacılar tarafından değil, bağımsız bir DSMB tarafından işletilmesidir.
Uyarlanabilir bir RKÇ ile sıralı bir deneme arasındaki fark nedir?
Her ikisi de biriken verilere ara bakışları içerir, ancak sıralı bir deneme tipik olarak durdurma kuralları (devam/dur) ile tek bir önceden belirtilmiş hipotezi test ederken, uyarlanabilir bir RKÇ ek olarak tahsis oranlarını değiştirebilir, kollar ekleyebilir veya bırakabilir veya örneklem büyüklüğünü yeniden tahmin edebilir. Sıralı tasarımlar, daha geniş uyarlanabilir tasarım ailesinin bir alt kümesidir.
Uyarlanabilir bir RKÇ, FDA ve EMA gibi düzenleyiciler tarafından kabul ediliyor mu?
Evet, ancak koşullarla. Hem FDA (2019 kılavuzu) hem de EMA (2007 yansıtma belgesi, daha sonra güncellendi) uyarlanabilir tasarımları, adaptasyonların önceden belirtilmesi, genel Tip I hatanın kontrol edilmesi ve istatistiksel yöntemlerin protokolde belgelenmesi koşuluyla kabul etmektedir. Doğrulayıcı bir deneme için uyarlanabilir bir tasarıma karar vermeden önce düzenleyicilerle erken etkileşim şiddetle tavsiye edilir.
Uyarlanabilir bir RKÇ yerine ne zaman standart (sabit) bir RKÇ seçmeliyim?
Sonuç verileri kaydolmaya göre yavaş biriktiğinde, düzenleyici veya kurumsal altyapı gerçek zamanlı veri izlemeyi destekleyemediğinde, ek protokol karmaşıklığı kaynaklandırılamadığında veya araştırma sorusu iyi belirlenmiş bir örneklem büyüklüğü tahmini ile tek ve basit bir karşılaştırmayı içerdiğinde standart bir RKÇ'yi tercih edin. Uyarlanabilir yaklaşım, esas olarak tasarım parametreleri hakkındaki belirsizliğin yüksek olduğu veya daha düşük tedavilere maruz kalmayı en aza indirmek için etik baskının güçlü olduğu durumlarda değer katar.
Yanıta duyarlı randomizasyon her zaman toplam örneklem büyüklüğünü azaltır mı?
Mutlaka değil. Yanıta duyarlı randomizasyon, daha düşük kollara atanan katılımcıların beklenen sayısını azaltır, ancak katılımcı başına istatistiksel gücü azalttığı için dengeli bir RKÇ'ye kıyasla bazen toplam örneklem büyüklüğünü artırabilir. Bireysel fayda (kötü kollarda daha az katılımcı) ve deneme verimliliği (gereken toplam katılımcı sayısı) arasındaki denge, deneme öncesi simülasyon yoluyla değerlendirilmelidir.
İlgili yöntemler
Kaynaklar
Chow, S.-C., & Chang, M. (2008). Adaptive Design Methods in Clinical Trials. Chapman & Hall/CRC.
ISBN: 978-1584887690Kopyalandı.Berry, D. A. (2006). Bayesian clinical trials. Nature Reviews Drug Discovery, 5(1), 27–36.
DOI kaynağını açKopyalandı.